用于捕获部分字符串的正则表达式

Question

我正在尝试使用 Python 的 re 库在 .md 文档中获取顶级 Markdown 标题（即，以单个哈希开头的标题 -- # Introduction），但我一生都无法弄清楚这一点。

这是我要执行的代码：

import re

pattern = r"(# .+?\\n)"

text = r"# Title\n## Chapter\n### sub-chapter#### What a lovely day.\n"

header = re.search(pattern, text)
print(header.string)

print(header.string) 的结果是：

# Title\n## Chapter\n### sub-chapter#### What a lovely day.\n 而我只想要# Title\n

这个关于 regex101 的例子说它应该可以工作，但我不知道为什么不能。 https://regex101.com/r/u4ZIE0/9

Answer 1

我猜我们希望提取# Title\n，在这种情况下，您的表达式似乎可以正常工作，只需稍作修改：

(# .+?\\n)(.+)

DEMO

测试

# coding=utf8
# the above tag defines encoding for this document and is for Python 2.x compatibility

import re

regex = r"(# .+?\\n)(.+)"

test_str = "# Title\\n## Chapter\\n### sub-chapter#### The Bar\\nIt was a fall day.\\n"

subst = "\\1"

# You can manually specify the number of replacements by changing the 4th argument
result = re.sub(regex, subst, test_str, 1)

if result:
    print (result)

# Note: for Python 2.7 compatibility, use ur"" to prefix the regex and u"" to prefix the test string and substitution.

Answer 2

你得到这个结果是因为你使用了header.string，它在Match object上调用.string，这将返回传递给match()或search()的字符串。

字符串中已经有换行符：

text = r"# Title\n## Chapter\n### sub-chapter#### What a lovely day.\n"

因此，如果您使用您的模式（请注意，它也会匹配换行符），您可以将代码更新为：

import re

pattern = r"(# .+?\\n)"
text = r"# Title\n## Chapter\n### sub-chapter#### What a lovely day.\n"
header = re.search(pattern, text)
print(header.group())

Python demo

请注意，re.search 会查找正则表达式生成匹配项的第一个位置。

匹配您的值的另一个选项可能是从字符串的开头匹配 #，后跟一个空格，然后是除换行符之外的任何字符，直到字符串的结尾：

^# .*$

例如：

import re

pattern = r"^# .*$"
text = "# Title\n## Chapter\n### sub-chapter#### What a lovely day.\n"
header = re.search(pattern, text, re.M)
print(header.group())

Python demo

如果后面不能有#，您也可以使用negated character class 来匹配# 或换行符：

^# [^#\n\r]+$